Мобильность и стабильность на российском рынке труда

Эти и другие вопросы мы анализируем с помощью регрессионного анализа. Следуя простому подходу, предложенному Г. Фарбером [Farber, 2008; 2010] при анализе специального стажа на рынке труда США, мы оцениваем с помощью МНК уравнение вида

ln(Tenure_it) = α+β⋅Χ_it+γ⋅Υ

_t+ε_it, (8–6)

где i относится к работникам; t

обозначает год обследования; Tenure – величина специального стажа (измеряемая с учетом месяца начала работы на предприятии); X– набор социально-демографических характеристик работников и рабочих мест; β – соответствующие коэффициенты; Y – эффект года, представленный через набор годовых дамми-переменных (базой является 1994 г.); ε – случайная ошибка.

В данном уравнении коэффициенты β будут представлять собой оценки (частных) корреляций между специальным стажем и различными характеристиками работников и рабочих мест, построенные с учетом влияния других факторов. Используя панельный характер данных РМЭЗ ВШЭ, мы можем также учесть влияние всех ненаблюдаемых и постоянных во времени индивидуальных характеристик. (Таких как, например, склонность к риску или разного рода предпочтения по поводу рабочего места и вида деятельности.) В то же время оценки γ годовых эффектов позволяют построить динамику среднего специального стажа с учетом изменений в структуре занятости.

Дополнительно, также следуя методологии Г. Фарбера, мы оцениваем линейно-вероятностную модель (ЛВР) аналогичного вида, где в качестве зависимой переменной выступает дамми-переменная T1 (T1 = 1, если специальный стаж работника меньше одного года; T1 = 0, если специальный стаж работника равен или больше одного года):

Τ1_it =α+β⋅Χ_it +γ⋅Υ_t +ε_it

. (8–7)

Набор социально-демографических характеристик работников и рабочих мест (Х) в обоих уравнениях включает в себя возраст, пол, семейный статус, уровень образования, профессионально-квалификационную принадлежность, форму собственности и размер предприятия, отработанное время, а также тип населенного пункта и регион проживания (на уровне первичной ячейки отбора – PSU). (Мы не включаем отрасли, так как отраслевые индикаторы в РМЭЗ ВШЭ есть только с 2004 г.)

Результаты оценивания уравнений (8–6) и (8–7) приведены в табл. П8-3 и П8-4 соответственно. Оценки обоих уравнений мы приводим как без учета, так и с учетом индивидуальных фиксированных эффектов. Как и следовало ожидать, знаки коэффициентов при тех же самых переменных в обоих уравнениях в большинстве случаев оказываются зеркально противоположными. Учет фиксированных эффектов меняет величину коэффициентов, но почти никогда не влияет на направление воздействия или статистическую значимость.

Полученные результаты, как правило, качественно повторяют выводы простого дескриптивного анализа, представленные выше. Так, специальный стаж растет с возрастом, тогда как вероятность иметь короткий стаж с возрастом сокращается. Среди мужчин стаж в

среднем ниже, чем среди женщин, но доля «новичков» выше. Связь с образованием может показаться не такой очевидной: средний стаж сначала растет с уровнем образования, но в группе работников с высшим образованием он оказывается не выше, чем у работников с неполным средним образованием или ниже. Дополнительные расчеты показывают, что такой неожиданный результат возникает из-за контроля профессиональной принадлежности работников. Как хорошо известно, эта переменная сильно связана с имеющимся уровнем образования, поэтому при включении ее в регрессию она «оттягивает» на себя часть эффекта образования. Без контроля профессий знак при переменной высшего образования оказывается положительным и значимым на однопроцентном уровне. Результаты оценивания уравнения (8–7) показывают, что вероятность иметь короткий стаж максимальна в группе наименее образованных работников, однако опять же четкого ранжирования не наблюдается: вероятность примерно одинакова для всех уровней образования выше базового.